在模拟搜救任务中预测人类策略

在搜救场景中，救援人员可能对环境具有不同的认知和探索策略。理解救援人员心中的想法将使观察智能体能够主动为其提供关键信息以助其高效完成任务。为此，我们提出基于救援人员的轨迹观测来建立其模型以预测其策略。在建立救援人员心智模型的工作中，我们从Minecraft中由人类参与者参与的简单模拟搜救任务入手。我们构建神经序列模型来预测救援人员的分诊策略及下一位置。由于神经网络是数据驱动的，我们设计了一组多样化的人工“伪人类”智能体用于训练，并以有限的人类救援人员轨迹数据进行测试。为评估这些智能体，我们将其与一种显式融合所有可用背景知识、并提供预期性能上限的证据累积方法进行比较。此外，我们进行了观察/预测者为人类的实验。我们给出了计算方法的预测准确率相对于人类观察者的结果。